La gestione dei requisiti è una fase critica e time-consuming nel ciclo di sviluppo del software, soprattutto in settori altamente regolamentati come l’automotive, dove la conformità a standard rigorosi (es. ISO 26262, ASPICE) è fondamentale. La complessità dei sistemi moderni porta a una crescita esponenziale dei requisiti, rendendo sempre più difficile il loro tracciamento, la verifica della coerenza e il mantenimento della tracciabilità tra i diversi livelli di specifica. L’automazione di queste attività può ridurre il rischio di errori, migliorare l’efficienza e garantire una maggiore qualità del software sviluppato. In questo contesto, l’uso di Machine Learning, Large Language Models (LLM) e approcci black-box offre nuove opportunità per ottimizzare il processo di gestione dei requisiti, riducendo il carico manuale e supportando attività complesse come l’associazione automatica tra requisiti di sistema e software o la segmentazione automatica dei requisiti degli stakeholder nei tool di gestione come Jama e IBM DOORS.
Questa tesi si propone di esplorare e sviluppare un framework innovativo in Python per affrontare queste sfide, contribuendo all’evoluzione delle metodologie di gestione dei requisiti nel settore automotive.
Steps principali del progetto:
- Studio del problema e delle metodologie/tools
- Analisi della letteratura
- Implementazione di un sistema per il linkaggio automatico tra sistemi e requisiti software
- Sviluppo di un algoritmo per l’itemizzazione automatica dei requisiti degli stakeholder.
- Integrazione del framework con tool di gestione dei requisiti come Jama e IBM DOORS.
- Analisi delle performance del sistema e confronto con metodologie tradizionali.
Argomento principale:
Sviluppo in Python – algoritmi di intelligenza artificiale
Corso di studio e requisiti candidato:
- Conoscenza di Python e librerie per il Machine Learning/NLP (es. TensorFlow, PyTorch, scikit-learn).
- (Oppure) conoscenze di MATLAB con conoscenze di ottimizzazione
- Interesse per la gestione dei requisiti software e metodologie di sviluppo automotive.
- Capacità di analizzare dati e progettare sistemi basati su intelligenza artificiale.
Sede: Il tirocinio si può svolgere da una delle sedi Kineton (Torino, Napoli o Reggio Emilia).